專利名稱：構(gòu)建最優(yōu)終點(diǎn)算法的方法
構(gòu)建最優(yōu)終點(diǎn)算法的方法
背景技術(shù)：
為了討論方便，在下文中對一些術(shù)語進(jìn)行定義。數(shù)據(jù)集-關(guān)于加工工具上某個(gè)參數(shù)隨時(shí)間變化的測量結(jié)果的記錄。變化點(diǎn)-時(shí)間序列上發(fā)生某些變化的點(diǎn)。終點(diǎn)-工序(例如,娃層的蝕刻)達(dá)到或接近完成的時(shí)間點(diǎn)。終點(diǎn)區(qū)域-數(shù)據(jù)集中認(rèn)為出現(xiàn)終點(diǎn)的區(qū)間。終點(diǎn)區(qū)域通常相對寬并基于使用者的
個(gè)人評估。偏最小二乘法判別分析(PLS-DA)- —種發(fā)現(xiàn)兩個(gè)數(shù)據(jù)集之間的關(guān)系的技術(shù)。PLS-DA可用于具有多個(gè)自變量(包含在輸入矩陣X中)和可能的多個(gè)因變量(包含在輸入矩陣Y中)的情況。在PLS-DA中，矩陣Y中的變量是不連續(xù)的，但是由成組的獨(dú)立離散值或離散類(discrete classes)組成。PLS-DA可設(shè)法找到矩陣X中的變量之間的線性組合，該線性組合能夠被用于將輸入數(shù)據(jù)分類歸入所述離散類。終點(diǎn)前區(qū)域-在終點(diǎn)區(qū)域之前的所述數(shù)據(jù)集的一部分。終點(diǎn)后區(qū)域-在終點(diǎn)區(qū)域之后的所述數(shù)據(jù)集的一部分。特征(signature)-在參數(shù)演化或參數(shù)組合中表明工序中出現(xiàn)終點(diǎn)的獨(dú)特的變化點(diǎn)(或變化點(diǎn)的組合)。參數(shù)的組合以及所述變化的性質(zhì)通常構(gòu)成特征的一部分。逐步回歸法-是指使用最小二乘擬合算法用一條直線擬合由從單個(gè)傳感器通道獲得的數(shù)據(jù)中的一個(gè)有限時(shí)間段上的數(shù)據(jù)值。等離子加工技術(shù)的發(fā)展帶動(dòng)了半導(dǎo)體產(chǎn)業(yè)的發(fā)展。為了獲得競爭優(yōu)勢，半導(dǎo)體設(shè)備生產(chǎn)商需要嚴(yán)格控制加工環(huán)境，使浪費(fèi)最小化并生產(chǎn)出高質(zhì)量的半導(dǎo)體設(shè)備。保持嚴(yán)格控制的一種方法是識別工藝的終點(diǎn)。如本文所述的，所述的術(shù)語終點(diǎn)指的是工藝(例如，硅層的蝕刻)達(dá)到或接近完成的時(shí)間點(diǎn)。識別終點(diǎn)的過程可能是很簡單的，僅需識別具有最大變化的信號。然而信號的變化并不總是與終點(diǎn)一致。其他的因素，例如通道內(nèi)的噪音，也會(huì)導(dǎo)致信號模式發(fā)生變化。為了便于討論，圖I中顯示了建立終點(diǎn)算法的簡單方法。如圖I所示的這種方法通常需要人工操作，例如由某位專業(yè)使用者操作。考慮例如加工測試襯底的情況。由于存在多種不同類型的襯底,測試襯底往往是與生產(chǎn)環(huán)境中所使用的襯底相同類型的襯底。例如如果在生產(chǎn)期間使用帶有特定圖案的襯底，那么應(yīng)采用帶有類似圖案的襯底作為測試襯底。在第一步102中，針對襯底采集數(shù)據(jù)。在一實(shí)施例中，傳感器(例如壓力計(jì)、發(fā)射光譜儀(OES)、溫度傳感器等)在襯底加工時(shí)采集數(shù)據(jù)?？刹杉砂偕锨€(gè)傳感器通道的數(shù)據(jù)。在襯底加工后，可分析采集到的數(shù)據(jù)。由于數(shù)據(jù)量可能過剩，從成千上萬個(gè)信號流中找到終點(diǎn)是一個(gè)極具挑戰(zhàn)性的任務(wù)，通常需要對加工工具和工藝流程有深入理解。因此，在進(jìn)行上述分析的任務(wù)時(shí)通常需要專業(yè)的操作者。在接下來的步驟104中，專業(yè)的操作者可能會(huì)檢查一個(gè)或多個(gè)針對信號圖中的變化的信號。所述專業(yè)的操作者可能使用一個(gè)或多個(gè)軟件程序幫助進(jìn)行上述分析。在一實(shí)施例中，所述軟件程序可能是進(jìn)行簡單的計(jì)算和分析的簡單的分析工具。在另一實(shí)施例中，所述軟件程序可能是簡單的數(shù)據(jù)可視化程序，例如可用于將信號歷史記錄作圖并顯示的程序。然而，即便具有該專業(yè)的操作者的專業(yè)知識和經(jīng)驗(yàn)，由傳感器獲得的可用于分析的數(shù)據(jù)量依然可能是過大的。因而，識別終點(diǎn)特征的任務(wù)可能是非常困難的。在一實(shí)施例中，在一個(gè)OES傳感器通道中可能有超過2000個(gè)波長的測量數(shù)據(jù)。由于在其他傳感器通道(例如提供溫度、壓強(qiáng)、電壓等數(shù)據(jù)的傳感器通道)中也可能發(fā)現(xiàn)終點(diǎn)數(shù)據(jù)，如果需要分析每一個(gè)信號和信號的組合，對專業(yè)的操作者而言，意味著面臨無法完成的任務(wù)?？梢灶A(yù)料的是，在不同的具體應(yīng)用中，相比其他信號，一些信號能夠提供更好的終
點(diǎn)數(shù)據(jù)。例如，信號A和B均含有終點(diǎn)數(shù)據(jù)。然而，由于信號B相比信號A噪音更小，信號B能夠提供更好的終點(diǎn)特征。若有數(shù)十個(gè)或上百個(gè)信號，分析數(shù)據(jù)集找到終點(diǎn)特征的任務(wù)可能是一個(gè)非常繁重和耗時(shí)的過程，相比之下找到最優(yōu)終點(diǎn)特征的任務(wù)更是繁重許多。在分析數(shù)據(jù)中，專業(yè)的操作者可能尋找信號的變化(例如信號圖中的變化)，以其表示終點(diǎn)的出現(xiàn)。例如，如果信號下降，信號斜率的一個(gè)峰值可能代表發(fā)生一個(gè)變化。盡管在過去人工識別信號變化是一個(gè)繁重的工作，近年來由于信號變化變得更不明顯了，該識別工作變得更困難了。對于用于加工襯底上小開口面積的工藝流程，上述識別工作尤其困難。在一實(shí)施例中，開口的加工(例如蝕刻)面積非常小(例如小于I %的襯底面積)，以至于信號的變化非常微小，人眼幾乎無法辨別。為了便于分析，所述專業(yè)的操作者可刪除那些他認(rèn)為與識別終點(diǎn)無關(guān)的數(shù)據(jù)值。削減所述數(shù)據(jù)集的一種方法包括識別并刪除所述信號流中該專業(yè)的操作者認(rèn)為終點(diǎn)不會(huì)出現(xiàn)的區(qū)域。換句話說，該專業(yè)的操作者可將其對終點(diǎn)的搜索限制在所述信號流中的某目標(biāo)區(qū)域內(nèi)，該區(qū)域通常位于終點(diǎn)前區(qū)域和終點(diǎn)后區(qū)域之間。由于即便對專業(yè)人士，找到并提煉終點(diǎn)特征是高成本的(需要花費(fèi)大量的時(shí)間)，因此需要盡可能擴(kuò)大所述終點(diǎn)前和終點(diǎn)后區(qū)域，從而限制余下的用于尋找終點(diǎn)的區(qū)域大小。由于所述專業(yè)的操作者通常熟悉加工過程，該專業(yè)的操作者通過僅僅分析選出的信號可進(jìn)一步削減所述數(shù)據(jù)集?；谠搶I(yè)的操作者的經(jīng)驗(yàn)，所述選出的信號可能包括含有終點(diǎn)數(shù)據(jù)的信號或者信號的組合。在大多數(shù)情況下，將信號的組合作為一個(gè)整體進(jìn)行分析時(shí)，所述信號的組合常采自一個(gè)單一的傳感器信號源。由于不同傳感器存在差異，這些差異會(huì)造成難于(如果可能采用人工實(shí)施)通過人工進(jìn)行相關(guān)分析，因此通常不會(huì)將來自不同傳感器信號源的數(shù)據(jù)結(jié)合起來?？梢灶A(yù)見，若僅對過濾后的數(shù)據(jù)集進(jìn)行處理，可能增加最優(yōu)的終點(diǎn)特征被無意間刪除的風(fēng)險(xiǎn)。換句話說，在過濾數(shù)據(jù)的同時(shí)，所述專業(yè)的操作者可能正在做出一個(gè)假設(shè)，即終點(diǎn)特征(更不用說最優(yōu)的終點(diǎn)特征)位于過濾后留下的某個(gè)信號中。因此從所述留下的信號中識別的所述終點(diǎn)特征可能不一定是最優(yōu)的終點(diǎn)特征。在識別一個(gè)信號變化后，所述專業(yè)的操作者可能進(jìn)行確認(rèn)分析，從而確認(rèn)該信號變化作為候選終點(diǎn)的可靠性。例如，該專業(yè)的操作者可分析信號的歷史記錄從而確認(rèn)所述信號變化的獨(dú)特性。如果該信號變化不是唯一的，(即其在整個(gè)信號歷史記錄中發(fā)生不止一次)那么該信號可從所述數(shù)據(jù)集中被刪除。然后該專業(yè)的操作者可繼續(xù)進(jìn)行他的繁重的工作，從另一個(gè)信號中識別那個(gè)“難以捉摸的”終點(diǎn)。在接下來的步驟106中，可對所述數(shù)據(jù)集施加成組的的過濾器(例如成組的數(shù)字過濾器)從而消除噪音并平滑所述數(shù)據(jù)。可施加的過濾器的實(shí)例包括，但不限于，例如時(shí)間序列過濾器和基于頻率過濾器。盡管對數(shù)據(jù)集施加過濾器可降低所述數(shù)據(jù)集中的噪音，但由于過濾器也可能增加信號的實(shí)時(shí)延時(shí)，因此所施加的過濾器數(shù)量通常也有所限制。在某些情況下，在分析數(shù)據(jù)時(shí)會(huì)采用多元分析(例如主成分分析或偏最小二乘法)。實(shí)施所述多元分析可進(jìn)一步削減所述數(shù)據(jù)集。為了應(yīng)用該多元分析，所述專業(yè)的操作者可能需要確定終點(diǎn)特征的形狀(例如曲線)。換句話說，即便候選終點(diǎn)可能尚未識別，也需要該專業(yè)的操作者預(yù)測該終點(diǎn)的形狀。通過預(yù)先確定所述終點(diǎn)的形狀，所述多元分析可基本刪除那些不呈現(xiàn)出該預(yù)期形狀的信號。在一實(shí)施例中，若該終點(diǎn)的形狀定義為峰，不呈現(xiàn)出該形狀的數(shù)據(jù)即可被刪除。據(jù)此，若所述最優(yōu)的終點(diǎn)特征不具有這個(gè)“預(yù)期的”的形狀，那么該最優(yōu)的終點(diǎn)特征就可能被忽略。根據(jù)上述說明可以發(fā)現(xiàn)，從過剩數(shù)據(jù)中識別單個(gè)終點(diǎn)特征的任務(wù)可能是非常困難的任務(wù)，執(zhí)行該任務(wù)可能會(huì)花費(fèi)數(shù)小時(shí)，甚至數(shù)周。進(jìn)一步地說，一旦識別終點(diǎn)特征，可用于確認(rèn)信號或信號的組合作為終點(diǎn)特征的適用性的定量分析也很少見、甚至幾乎沒有。在一實(shí)施例中，為了確認(rèn)信號變化作為終點(diǎn)特征的可靠性，所述專業(yè)的操作者可分析其他信號從而在大約相同的時(shí)間范圍內(nèi)找出類似的信號變化。然而，假設(shè)該專業(yè)的操作者可能已經(jīng)花費(fèi)相當(dāng)可觀的時(shí)間確認(rèn)第一個(gè)終點(diǎn)特征，該專業(yè)的操作者恐怕不會(huì)總是有時(shí)間、資源和/或意愿來確認(rèn)其結(jié)果。在接下來的步驟108中，該專業(yè)的操作者可能選擇某個(gè)基于過渡性質(zhì)的終點(diǎn)算法類型。通常，該終點(diǎn)算法類型可能基于譜線的形狀，例如可能表示終點(diǎn)的譜線。在一實(shí)施例中，該終點(diǎn)可能由斜率的變化表示。由此，該專業(yè)的操作者可提出與斜率相關(guān)的算法。作為補(bǔ)充，該終點(diǎn)算法可能基于提供最優(yōu)終點(diǎn)特征的導(dǎo)數(shù)值。然而，終點(diǎn)特征的一階導(dǎo)數(shù)(例如斜率的變化)可能無法提供最優(yōu)的終點(diǎn)算法。舉例說，替代一階導(dǎo)數(shù)，斜率的二階導(dǎo)數(shù)(例如拐點(diǎn))，可能提供較佳的終點(diǎn)算法。不僅識別終點(diǎn)特征的能力，而且與該終點(diǎn)特征相關(guān)的最佳終點(diǎn)算法的確定，可能需要非常專業(yè)的知識，即便在專業(yè)的操作者中，掌握上述知識的操作者也很少。在接下來的步驟110中，可能需要優(yōu)化和/或測試所述算法的設(shè)置。一旦確定所述終點(diǎn)算法，該終點(diǎn)算法可能被轉(zhuǎn)換為生產(chǎn)中終點(diǎn)算法。由于不同測試環(huán)境和生產(chǎn)環(huán)境之間存在差異，在將該終點(diǎn)算法可應(yīng)用于生產(chǎn)之前，該終點(diǎn)算法的設(shè)置可能需要進(jìn)行調(diào)整?？赡苓M(jìn)行調(diào)整的設(shè)置包括，但不限于，例如平滑過濾器、延時(shí)、所述算法類型的特定設(shè)置等等。在一實(shí)施例中，可用于平滑測試環(huán)境中的數(shù)據(jù)的過濾器可能引起生產(chǎn)環(huán)境中不可接受的實(shí)時(shí)延時(shí)。如本說明書所討論的，實(shí)時(shí)延時(shí)指的是無過濾信號變化與過濾信號變化之間的時(shí)間差異。例如，在加工中的40秒時(shí)刻，信號中可能出現(xiàn)一個(gè)峰值。然而，當(dāng)施加過濾器之后，該峰值可能出現(xiàn)在5秒之后。如果終點(diǎn)算法的實(shí)施中帶有該過濾器設(shè)置，那么在所述終點(diǎn)算法識別該終點(diǎn)之前，襯底可能就被過度蝕刻了。為了盡可能減小實(shí)時(shí)延時(shí)，該過濾器需要進(jìn)行調(diào)整。在將所述終點(diǎn)算法引入生產(chǎn)之前，需要進(jìn)行測試從而確定其設(shè)置是否需要進(jìn)行優(yōu)化。在一實(shí)施例中，可將所述終點(diǎn)算法用于生成該終點(diǎn)算法的所述數(shù)據(jù)集。若該終點(diǎn)算法使用調(diào)整后的設(shè)置能夠準(zhǔn)確識別所述終點(diǎn)，該設(shè)置可被認(rèn)為是優(yōu)化的設(shè)置。然而，如果該終點(diǎn)算法無法準(zhǔn)確識別所述終點(diǎn)，該設(shè)置可能就必須進(jìn)行調(diào)整了。即使在該設(shè)置被最優(yōu)化之前，所述測試可能必須進(jìn)行多次(通過試誤法)。在接下來的步驟112中，需要對所述終點(diǎn)算法進(jìn)行可靠性分析并據(jù)此作出結(jié)論。如果進(jìn)行了可靠性分析(步驟114)，所述終點(diǎn)算法可用于與其它襯底相關(guān)的數(shù)據(jù)集。在一實(shí)施例中，加工了第二塊測試襯底并采集其數(shù)據(jù)。隨后將所述終點(diǎn)算法用于第二個(gè)數(shù)據(jù)集。如果該終點(diǎn)算法能夠識別該終點(diǎn)，即可認(rèn)為該終點(diǎn)算法是可靠的，該終點(diǎn)算法可用于生產(chǎn)(步驟116)。然而，若該終點(diǎn)算法不能識別該終點(diǎn)，那么該終點(diǎn)算法被認(rèn)為不夠可靠，所述專業(yè)的操作者可回到步驟104，繼續(xù)進(jìn)行識別另一個(gè)候選終點(diǎn)的工作，并構(gòu)造另一個(gè)終點(diǎn)算法。由于該可靠性測試的執(zhí)行和分析可能需要時(shí)間，許多終點(diǎn)算法可能不執(zhí)行該可靠性分析而直接引入生產(chǎn)環(huán)境。換句話說，在終點(diǎn)算法的產(chǎn)生中，步驟112常常被認(rèn)為是一個(gè)
可選的步驟。由圖I可見，產(chǎn)生終點(diǎn)算法的方法大多為由具有執(zhí)行該復(fù)雜分析的專業(yè)知識和經(jīng)驗(yàn)的專業(yè)人士執(zhí)行的人工步驟。受到資源的限制，可引入生產(chǎn)的所述終點(diǎn)算法可能缺乏定量支持。進(jìn)一步地說，由于單個(gè)自然人不可能在合理的時(shí)間段內(nèi)分析所有的信號和/或信號的組合，該生成的終點(diǎn)算法可能無法保證總是對所述生產(chǎn)工序而言的最優(yōu)終點(diǎn)算法。由此可見，一種簡單的構(gòu)建可靠的終點(diǎn)算法的方法是非常必要的。


本發(fā)明采用示例而非限制的方法進(jìn)行說明，包括附圖中的示意圖，在所述示意圖中類似的參考數(shù)字符號指代類似的元件，以及
其中圖I為建立終點(diǎn)算法的簡單方法的示意圖。圖2為本發(fā)明的一實(shí)施方式中的建立終點(diǎn)算法的方法的簡單流程圖。圖3A和圖3B為本發(fā)明的一實(shí)施方式中的可用于在發(fā)現(xiàn)最優(yōu)終點(diǎn)算法中的可執(zhí)行算法引擎的步驟的簡單流程圖。圖4為本發(fā)明的一實(shí)施方式中在生產(chǎn)環(huán)境中實(shí)施所述最優(yōu)終點(diǎn)算法的簡單流程圖。圖5為本發(fā)明的一實(shí)施方式中數(shù)據(jù)集演化為一系列最優(yōu)終點(diǎn)算法的示例的框圖。
具體實(shí)施例方式現(xiàn)在結(jié)合如附圖中所示的一些實(shí)施方式詳細(xì)說明本發(fā)明。在下面的描述中，為了針對本發(fā)明提供一個(gè)透徹的理解，提供了許多特定的細(xì)節(jié)。然而對本領(lǐng)域技術(shù)人員來說，顯然本發(fā)明在不帶有某些或全部上述特定的細(xì)節(jié)時(shí)依然能夠?qū)嵤Ｔ谄渌闆r下，為了避免不必要的模糊本發(fā)明的要點(diǎn)，針對一些眾所周知的步驟和/或結(jié)構(gòu)沒有進(jìn)行詳細(xì)的描述。下面描述了多種實(shí)施方式，包括方法和技術(shù)。需要記住的是本發(fā)明也涵蓋了包括電腦可讀介質(zhì)的制品，在所述電腦可讀介質(zhì)上存儲(chǔ)著執(zhí)行本發(fā)明實(shí)施方式的電腦可讀的指令。所述電腦可讀介質(zhì)包括例如半導(dǎo)體的、磁的、光磁的、光的或其它形式的用于存儲(chǔ)電腦可讀代碼的電腦可讀介質(zhì)。進(jìn)一步地說，本發(fā)明也涵蓋了實(shí)現(xiàn)本發(fā)明的實(shí)施方式的設(shè)備。這些設(shè)備可包括用于執(zhí)行本發(fā)明的實(shí)施方式中含有的任務(wù)的專用的和/或可編程的電路。這些設(shè)備的實(shí)例包括通用計(jì)算機(jī)和/或進(jìn)行適當(dāng)編程的專用計(jì)算設(shè)備，并且可包括計(jì)算機(jī)/計(jì)算設(shè)備與適于本發(fā)明的實(shí)施方式中含有的各種任務(wù)的專用/可編程電路的組合。根據(jù)本發(fā)明的實(shí)施方式，提供了自動(dòng)發(fā)現(xiàn)并優(yōu)化終點(diǎn)算法的方法。本發(fā)明的實(shí)施方式包括建立終點(diǎn)算法從而為加工確定最優(yōu)終點(diǎn)的方法。本發(fā)明的實(shí)施方式也包括在生產(chǎn)環(huán)境中實(shí)施該終點(diǎn)算法現(xiàn)場方法。在本說明書中以終點(diǎn)為例討論了不同的實(shí)施方式。然而本發(fā)明不局限于終點(diǎn)，而是可以包括在加工中可能出現(xiàn)的任何變化點(diǎn)。因此，這里的討論都是作為一些示例，而本發(fā)明的內(nèi)容不限于所討論的示例。在本發(fā)明的一個(gè)實(shí)施方式中，提供了構(gòu)建終點(diǎn)算法的方法。該方法可包括簡單的、對用戶友好的自動(dòng)方法，該方法可由專業(yè)或非專業(yè)的操作者進(jìn)行操作。該方法可包括獲取傳感器數(shù)據(jù)、自動(dòng)確定近似的終點(diǎn)時(shí)間段、自動(dòng)分析數(shù)據(jù)、自動(dòng)確定成組的可能的終點(diǎn)特征以及自動(dòng)在生產(chǎn)中引入最優(yōu)終點(diǎn)算法。在現(xiàn)有技術(shù)中，由于數(shù)據(jù)的絕對數(shù)量，單個(gè)的自然人無法在合理的時(shí)間段內(nèi)分析所有的信號。與現(xiàn)有技術(shù)不同，在一實(shí)施方式中，所述分析中對人力的投入需求很少，甚至完全不需要。在一個(gè)實(shí)施方式中使用算法引擎替代人力進(jìn)行分析。由于對所述數(shù)據(jù)進(jìn)行自動(dòng)分析，而不是人工分析，因而即便不能分析所有的數(shù)據(jù)，也能夠分析更大量的數(shù)據(jù)。在一實(shí)施方式中，所有可能的信號都能夠被分析，并且每個(gè)信號可根據(jù)其在成為潛在的終點(diǎn)特征中的相關(guān)性進(jìn)行表征。并且，由于該分析現(xiàn)在是由所述算法引擎執(zhí)行，該分析不再限于來自單一襯底的數(shù)據(jù)文件。由此，可分析更多的數(shù)據(jù)，以構(gòu)建成組的可靠的最優(yōu)終點(diǎn)算法。所述算法引擎可能是軟件程序，該軟件程序是基于與一終點(diǎn)的目標(biāo)范圍(例如終點(diǎn)區(qū)域)相關(guān)的時(shí)間函數(shù)。一旦所述操作者定義了近似的終點(diǎn)范圍(例如終點(diǎn)區(qū)域)，可采用所述算法引擎分析數(shù)據(jù)，從而發(fā)現(xiàn)成組的的最優(yōu)終點(diǎn)特征。在一實(shí)施方式中，所述算法引擎可在多元分析中識別成組的可表示潛在的終點(diǎn)特征的潛在的形狀。與現(xiàn)有技術(shù)不同，所述操作者不需要具有關(guān)于每個(gè)潛在的終點(diǎn)特征(例如峰、谷、階躍等)的形狀的先驗(yàn)知識。作為替代的，一旦所述算法引擎識別潛在的終點(diǎn)特征，所述算法引擎可產(chǎn)生成組的潛在的形狀。由此，由所述算法引擎識別的所述潛在的終點(diǎn)算法不限于一種單一的形狀(例如曲線)。在一實(shí)施方式中，所述算法引擎被配置為進(jìn)行數(shù)據(jù)調(diào)整并測試已知的候選終點(diǎn)，從而識別用于工藝的最佳的終點(diǎn)特征。執(zhí)行逐步回歸分析，可獲得作為時(shí)間函數(shù)的每個(gè)所述參數(shù)的可變性，以在整個(gè)工藝的過程中的一系列有限時(shí)間間隔內(nèi)確定每個(gè)數(shù)據(jù)輸入?yún)?shù)的斜率。在一實(shí)施方式中，在所述斜率計(jì)算中使用的所述時(shí)間間隔可設(shè)置為拒絕輸入數(shù)據(jù)中的噪音，并同時(shí)拒絕與終點(diǎn)無關(guān)的數(shù)據(jù)中的緩慢漂移。在一實(shí)施方式中，可根據(jù)變化程度(例如斜率)對OES信號進(jìn)行分組，這種變化可以在加工進(jìn)行中從可變性中觀察到。在一實(shí)例中，具有類似的斜率方差的相鄰波長可以被分在成組的。通過基于斜率對OES信號進(jìn)行分組，能夠大大減小需要分析的信號的數(shù)量和這些信號中帶有的噪音。其結(jié)果可以表示最有可能含有與終點(diǎn)相關(guān)的信息的一系列信號和信號組。在一實(shí)施方式中，可通過挑選來降低潛在的終點(diǎn)特征的數(shù)量。在一實(shí)施方式中，可靠的終點(diǎn)特征是出現(xiàn)在所有的加工過的襯底中的那一個(gè)。在一實(shí)例中，如果某個(gè)終點(diǎn)特征不是出現(xiàn)在所有的或者實(shí)質(zhì)上大多數(shù)測試襯底中的一特征，那么該終點(diǎn)特征就被認(rèn)為是不可靠的并被刪除。然而，由于控制襯底是未被蝕刻的襯底，不應(yīng)當(dāng)產(chǎn)生終點(diǎn)特征，因此如果某個(gè)終點(diǎn)特征出現(xiàn)在某個(gè)控制襯底上，該終點(diǎn)特征也可被刪除。在一實(shí)施方式中，可進(jìn)行多元分析。在一實(shí)例中，從該分析中獲得的結(jié)果可被用作偏最小二乘法判別分析(PLS-DA)的輸入量，從而優(yōu)化每個(gè)基于斜率的分組中的每個(gè)單獨(dú)信號的權(quán)重。在一實(shí)施方式中，該P(yáng)LS-DA可以依靠終點(diǎn)目標(biāo)范圍和所述算法引擎提供的形狀，而不需要操作者(像現(xiàn)有技術(shù)中所要求的那樣)輸入某個(gè)終點(diǎn)曲線的預(yù)期形狀。在一實(shí)施方式中，對OES信號進(jìn)行PLS-DA獲得的結(jié)果可與其他傳感器的信號聯(lián)系或結(jié)合在一起。在一實(shí)施方式中，可對聯(lián)系后的新的系列的信號重復(fù)進(jìn)行所述PLS-DA，從而產(chǎn)生精簡的潛在的終點(diǎn)特征的最優(yōu)組合，該組合在實(shí)時(shí)終點(diǎn)計(jì)算中可能具有高對比度和低
計(jì)算負(fù)荷。在一實(shí)施方式中，所述候選的終點(diǎn)特征被轉(zhuǎn)換為具有最小可能延時(shí)的終點(diǎn)算法。無法轉(zhuǎn)換為具有最小可能延時(shí)的實(shí)時(shí)終點(diǎn)算法的潛在的終點(diǎn)特征可被刪除。換句話說，如果與所述算法相關(guān)的實(shí)時(shí)延時(shí)超過所允許的最大實(shí)時(shí)延時(shí)，那么該實(shí)時(shí)終點(diǎn)算法可被棄用。在一實(shí)施方式中，可基于有用信息與無關(guān)信號之比(從這里開始稱為保真比)和/或基于實(shí)時(shí)延時(shí)對潛在的終點(diǎn)算法進(jìn)行分等級。在一實(shí)例中，具有高保真比和低實(shí)時(shí)延時(shí)的算法被認(rèn)為是更可靠的算法。一旦進(jìn)行上述分等級工作，即可選擇一個(gè)實(shí)時(shí)終點(diǎn)算法并引入生產(chǎn)。參考下面的圖示和討論內(nèi)容可以更好地理解本發(fā)明的特征和優(yōu)勢。圖2顯示了本發(fā)明的一實(shí)施方式中構(gòu)建終點(diǎn)算法的方法的簡單流程圖。在第一個(gè)步驟202中，由加工室中的成組的傳感器獲取數(shù)據(jù)?？紤]例如測試襯底正在被加工的情況。當(dāng)所述襯底正在被加工時(shí)，由成組的傳感器采集數(shù)據(jù)(例如發(fā)光量、電信號、壓強(qiáng)數(shù)據(jù)、等離子體數(shù)據(jù)等等)。在一實(shí)施方式中，用于產(chǎn)生最優(yōu)終點(diǎn)算法的數(shù)據(jù)可來自超過一個(gè)測試襯底。通過合并來自不同測試襯底的數(shù)據(jù)，襯底之間的與材料差異或加工變化相關(guān)的噪音即可被刪除。在一實(shí)施方式中，所述數(shù)據(jù)可來自在不同加工室中進(jìn)行加工的測試襯底。通過合并來自不同加工室的數(shù)據(jù)，與不同加工室之間的差異相關(guān)的噪音也可被刪除。在接下來的步驟204中，識別一個(gè)預(yù)期在其中出現(xiàn)的加工終點(diǎn)的近似時(shí)間段。換句話說，確定一個(gè)終點(diǎn)區(qū)域。與現(xiàn)有技術(shù)不同，該終點(diǎn)區(qū)域是近似的，并且是一個(gè)相對較寬的時(shí)間間隔，所述算法引擎會(huì)在該時(shí)間間隔內(nèi)搜索有效的終點(diǎn)特征。例如，由于所述搜索的速度快，操作者可將所述終點(diǎn)區(qū)域擴(kuò)展到包括在現(xiàn)有技術(shù)中將會(huì)是終點(diǎn)前區(qū)域的部分區(qū)域。通過這樣的方法，所述算法引擎可以識別在加工過程中可能出現(xiàn)在更早時(shí)間內(nèi)的終點(diǎn)特征。這些較早的終點(diǎn)能夠降低加工中破壞基礎(chǔ)半導(dǎo)體層的風(fēng)險(xiǎn)。在接下來的步驟206中，啟動(dòng)算法引擎進(jìn)行數(shù)據(jù)分析，并生成成組的最優(yōu)終點(diǎn)算法。在一實(shí)施方式中，由于該數(shù)據(jù)分析不是人工進(jìn)行，可分析來自不止一塊襯底的數(shù)據(jù)文件。本領(lǐng)域的技術(shù)人員知道，由于可刪除那些在被分析的各塊襯底之間不常被發(fā)現(xiàn)的終點(diǎn)特征，從來自多塊襯底的數(shù)據(jù)文件中構(gòu)建出了的終點(diǎn)算法，盡管需要更大量的數(shù)據(jù)，但是也會(huì)更可靠。圖3A和3B是本發(fā)明的一實(shí)施方式中的可用于在分析數(shù)據(jù)集并生成一系列最優(yōu)終點(diǎn)算法中可執(zhí)行算法引擎的步驟的簡單流程圖。為了便于討論，圖3A和3B會(huì)結(jié)合圖5進(jìn)行討論。圖5顯示了一實(shí)施方式中的數(shù)據(jù)集演化為一系列最優(yōu)終點(diǎn)算法的過程的實(shí)例的柜圖。在第一個(gè)步驟302中，所述算法引擎可對可用的數(shù)據(jù)集(初始數(shù)據(jù)組502)執(zhí)行線性擬合。換句話說，每個(gè)信號可根據(jù)時(shí)間間隔分為統(tǒng)一的區(qū)段(數(shù)據(jù)組504)。為了盡可能減小噪音并增大識別終點(diǎn)特征的可能，所述區(qū)段的長度是非常重要的。如果該區(qū)段長度過長，所述終點(diǎn)可能被達(dá)到平均數(shù)進(jìn)而被忽略。如果該區(qū)段過短，斜率(如后續(xù)步驟304中所討論的)可能被噪音影響。在一實(shí)施方式中，可提前定義所述區(qū)段長度的最小值和最大值。在一實(shí)施方式中，最小區(qū)段長度大于1/10秒。在另一實(shí)施方式中，對于在IOHz米集到的數(shù)據(jù)，最大區(qū)段長度短于2秒。在接下來的步驟304中，所述算法引擎可計(jì)算每個(gè)區(qū)段的斜率和其相應(yīng)的斜率噪音值(在斜率擬合中的不確定度)。在一個(gè)實(shí)例中，如果信號A被分為10個(gè)區(qū)段，可確定針對信號A的10個(gè)斜率和10個(gè)斜率噪音值(數(shù)據(jù)組506A)。在一實(shí)施方式中，可使用所述斜率噪音值標(biāo)準(zhǔn)化(normalize)所述斜率(數(shù)據(jù)組506B)。附加地或可選地，所述算法引擎可使用所述被所述斜率噪音值按比例表示(scaled)的所述斜率作為輸入值，執(zhí)行多元分析(例如偏最小二乘法判別分析)，從而基于來自各傳感器通道的組合的信號產(chǎn)生另外的一系列斜率和斜率噪音值(也包括在數(shù)據(jù)組506A中)。在一實(shí)施方式中，可運(yùn)用斜率噪音值標(biāo)準(zhǔn)化所述斜率(也包括在數(shù)據(jù)組506B中)。一旦產(chǎn)生了一系列的每個(gè)區(qū)段的斜率和斜率噪音值(數(shù)據(jù)組506A)，在接下來的步驟306中，所述算法引擎可識別可能帶有終點(diǎn)數(shù)據(jù)的候選信號。在一個(gè)實(shí)例中，所述算法引擎可分析每個(gè)信號(及其區(qū)段)從而量化每個(gè)信號的所述斜率的變異量。一種量化斜率的可變性的方法可包括計(jì)算所述標(biāo)準(zhǔn)化的斜率的標(biāo)準(zhǔn)差。在一個(gè)實(shí)例中，標(biāo)準(zhǔn)差高可表示具有斜率發(fā)生變化的信號。在該實(shí)例中，標(biāo)準(zhǔn)差高可表示可能帶有潛在的終點(diǎn)數(shù)據(jù)的信號。由此，具有高斜率方差(相對于斜率噪音)的信號可被識別為候選信號(數(shù)據(jù)組508)。由于OES數(shù)據(jù)可包括大量波長的測量結(jié)果(至少2000個(gè)信號)，所述算法引擎可在接下來的步驟308中，通過結(jié)合具有類似斜率方差的相鄰波長形成信號波長帶(數(shù)據(jù)組510)，減少OES信號的數(shù)量。在一個(gè)實(shí)例中，如果在255納米到280納米之間有100個(gè)波長的測量結(jié)果并且上述波長測量結(jié)果具有類似的斜率方差，那么上述100個(gè)波長的測量結(jié)果可結(jié)合為一單個(gè)信號波長帶，并且在分析過程中可能被作為一個(gè)單一的單元進(jìn)行處理。例如，如果有2000個(gè)波長的測量結(jié)果，那么可能只需要分析10個(gè)信號波長帶。通過將所述波長測量結(jié)果分組，由于需要分析的個(gè)體的數(shù)量顯著減少，計(jì)算負(fù)荷可有所降低。在接下來的步驟310中，所述算法引擎可識別一系列可能在基礎(chǔ)工藝(underlying process)中用于捕捉漂移和噪音的標(biāo)準(zhǔn)化信號(數(shù)據(jù)組506B)。換句話說，所述算法引擎可識別那些由于其具有高斜率、低方差(相對于所述斜率噪音)因而適用于標(biāo)準(zhǔn)化的信號。所述標(biāo)準(zhǔn)化信號(數(shù)據(jù)組512)可表示用于去除各傳感器信號之間共有模式變化(例如漂移、噪音等)的可能的候選方式。
在接下來的步驟312中，所述算法引擎可通過結(jié)合具有類似斜率方差的相鄰波長形成標(biāo)準(zhǔn)化信號波長帶(數(shù)據(jù)組514)而減少標(biāo)準(zhǔn)化OES信號的數(shù)量。步驟312有些類似步驟308，只是步驟312被應(yīng)用于所述標(biāo)準(zhǔn)化OES信號。在接下來的步驟314中，所述算法可對所有的傳感器通道產(chǎn)生一系列高對比度的傳感器信號(數(shù)據(jù)組508)、高對比度傳感器信號波長帶(數(shù)據(jù)組510)、標(biāo)準(zhǔn)化信號(數(shù)據(jù)組512)和標(biāo)準(zhǔn)化波長帶(數(shù)據(jù)組514)。在一實(shí)施方式中，每個(gè)數(shù)據(jù)集中的所述信號被分等級。由于每個(gè)信號中帶有終點(diǎn)數(shù)據(jù)的可能性已被量化了，每個(gè)數(shù)據(jù)集中的信號可被分等級。在一個(gè)實(shí)例中，具有高斜率方差的信號比具有低斜率方差的信號有更高等級。在接下來的步驟316中，所述算法引擎可搜索所述高對比度傳感器信號和/或帶，在所述終點(diǎn)區(qū)域(數(shù)據(jù)組516)中尋找可能的終點(diǎn)特征。在一實(shí)施方式中，可通過成組的經(jīng)典特征(峰、谷、拐點(diǎn)等)識別終點(diǎn)特征。在一實(shí)施方式中，所述成組的經(jīng)典特征可預(yù)先定
義。可在各信號的不同的導(dǎo)數(shù)(different derivative)中搜索所述成組的經(jīng)典特征。在一實(shí)施方式中，可對數(shù)據(jù)組508和510施加過濾器，從而消除噪音并平滑所述數(shù)據(jù)。在一實(shí)施方式中，施加于所述數(shù)據(jù)組的過濾器可以是時(shí)間對稱過濾器。時(shí)間對稱過濾器利用某特定點(diǎn)前后的相同數(shù)量的點(diǎn)計(jì)算平均值。這些過濾器只能用于后處理模式，而不是所述工藝的實(shí)時(shí)執(zhí)行之中。與時(shí)間非對稱過濾器不同，時(shí)間對稱過濾器會(huì)產(chǎn)生最小的時(shí)間失真和/或幅度失真。因此，過濾后的數(shù)據(jù)可具有最小的實(shí)時(shí)延時(shí)。由上文可知，每個(gè)數(shù)據(jù)組可能包括過剩的信號。在一實(shí)施方式中，由于每個(gè)數(shù)據(jù)組已被分等級，通過降低搜索值可顯著減少數(shù)據(jù)分析時(shí)間。在一個(gè)實(shí)例中，只需要分析10個(gè)高對比度傳感器信號，而無須搜索數(shù)據(jù)組508內(nèi)的所有數(shù)據(jù)。所需搜索的數(shù)據(jù)量可能發(fā)生變化?？蛇M(jìn)行收益遞減分析(diminishing return analysis)確定最優(yōu)的數(shù)量。在接下來的步驟318中，所述算法引擎可在所述終點(diǎn)區(qū)域內(nèi)搜索高對比度傳感器信號/帶(數(shù)據(jù)組508和510)與標(biāo)準(zhǔn)化傳感器/帶(數(shù)據(jù)組512和514)之比，找尋可能的終點(diǎn)特征(數(shù)據(jù)組518)。通過計(jì)算每個(gè)高對比度傳感器信號/帶與每個(gè)標(biāo)準(zhǔn)化傳感器/帶之比，可被識別的可能的終點(diǎn)特征可具有更高的保真比。在接下來的步驟320中，所述算法引擎可搜索所述數(shù)據(jù)結(jié)果(數(shù)據(jù)組516和518)從而對數(shù)據(jù)的組合(數(shù)據(jù)組520)進(jìn)行分等級。換句話說，將具有類似形狀和時(shí)間段的終點(diǎn)特征組合進(jìn)行匹配，從而改善對比度和信噪比(SNR)。在一實(shí)施方式中，在相同的導(dǎo)數(shù)中進(jìn)行線性組合。換句話說，即便出現(xiàn)在同樣的時(shí)間間隔內(nèi)，出現(xiàn)在第一個(gè)導(dǎo)數(shù)中的峰也可能無法與出現(xiàn)在第二個(gè)導(dǎo)數(shù)中的峰結(jié)合。在接下來的步驟322中，所述算法引擎會(huì)進(jìn)行可靠性分析，去除可能不可重復(fù)的終點(diǎn)特征。在一實(shí)施方式中，所述可靠性分析可檢查多塊襯底之間的一致性。在一個(gè)實(shí)例中，如果所述潛在的終點(diǎn)特征在多塊襯底之間不一致，那么由于所述潛在的終點(diǎn)特征可能是由例如噪音或漂移造成的，該潛在的終點(diǎn)特征可被忽略。在另一個(gè)實(shí)例中，所述可靠性分析可以檢查各測試襯底與一塊控制襯底(或者成組的控制襯底)之間的相似性?？紤]例如如下的情況，所述測試襯底是帶有抗蝕劑掩模的襯底，暴露一部分硅表面。除了所述控制襯底可完全被抗蝕劑掩模覆蓋以外，所述控制襯底與所述測試襯底的特性可完全相同。對所述測試襯底和所述控制襯底進(jìn)行相同的襯底加工。然而，由于所述控制襯底的整個(gè)表面被抗蝕劑掩模覆蓋，所述控制襯底應(yīng)當(dāng)不會(huì)顯示出任何蝕刻特征。由此所述控制襯底應(yīng)當(dāng)不具有終點(diǎn)。因而，如果發(fā)生在所述控制襯底上的變化與某個(gè)潛在的終點(diǎn)特征相匹配，那么該匹配的潛在的終點(diǎn)特征就被忽略。在另一個(gè)實(shí)例中，所述可靠性分析可以包括測試唯一性。在一個(gè)實(shí)例中，進(jìn)行測試的所述潛在的終點(diǎn)特征具有峰的特征。可分析所述信號的其他部分從而確定在所述潛在的終點(diǎn)特征出現(xiàn)之前或者之后是否有另一個(gè)峰的特征出現(xiàn)。如果識別到另一個(gè)峰，那么該終點(diǎn)特征就被刪除。前面提到的是可應(yīng)用于刪除可能不是真實(shí)終點(diǎn)特征的特征的不同可靠性判斷標(biāo)準(zhǔn)的幾個(gè)實(shí)例。通過對所述潛在的終點(diǎn)特征進(jìn)行可靠性分析，可進(jìn)一步確定所述系列的可能是真正的終點(diǎn)的潛在的終點(diǎn)特征。在一實(shí)施方式中，所述算法引擎可執(zhí)行多元相關(guān)性分析，例如基于相關(guān)性的偏最小二乘法判別分析(PLS-DA)，從而優(yōu)化所述系列的潛在的終點(diǎn)特征。如前所述，多元分析
(例如基于相關(guān)性的PLS分析)通常需要定義所述終點(diǎn)特征的所述形狀。換句話說，所述多元分析需要知道所述特征曲線的所需形狀。在現(xiàn)有技術(shù)中，所述操作者通常需要提供所述終點(diǎn)特征的形狀(例如峰、谷、斜坡等)。已知(在現(xiàn)有技術(shù)中)確定候選終點(diǎn)的形狀需要花費(fèi)數(shù)個(gè)小時(shí)，甚至數(shù)周，所述操作者通常只能提供一個(gè)形狀特征作為所述多元分析的輸入量。與現(xiàn)有技術(shù)不同，由所述算法引擎識別的所述潛在的終點(diǎn)特征可具有不同的形狀特征。因此，可輸入多元相關(guān)性分析的輸入量的數(shù)量可根據(jù)已識別的潛在的終點(diǎn)特征的形狀確定。在一實(shí)施方式中，(由所述系列的潛在的終點(diǎn)特征確定的)所述形狀或多種形狀可與每個(gè)信號進(jìn)行相關(guān)性分析，在所述潛在的終點(diǎn)特征和每個(gè)傳感器通道內(nèi)的所述信號之間產(chǎn)生相關(guān)矩陣。所述相關(guān)矩陣可包括可施加在每個(gè)信號上使每個(gè)潛在的終點(diǎn)特征的對比度最大化的最優(yōu)的權(quán)重和/或負(fù)荷。盡管所述多元分析有助于最優(yōu)化所述系列的潛在的終點(diǎn)特征(數(shù)據(jù)組522)，在這里不需要進(jìn)行多元相關(guān)性分析識別一系列最優(yōu)終點(diǎn)算法。同時(shí)，盡管在前面提到的實(shí)例中使用了基于相關(guān)性的PLS分析，本發(fā)明并不限于基于相關(guān)性的PLS分析，而是可使用任何種類的基于相關(guān)性的多元分析。在接下來的步驟324中，所述算法引擎可將剩下的潛在的終點(diǎn)特征(數(shù)據(jù)組522)轉(zhuǎn)換為具有最小實(shí)時(shí)延時(shí)的實(shí)時(shí)終點(diǎn)算法(數(shù)據(jù)組524)。換句話說，所述算法引擎被設(shè)置為將所述潛在的終點(diǎn)特征轉(zhuǎn)換為可在生產(chǎn)中執(zhí)行的具有最小實(shí)時(shí)延時(shí)的終點(diǎn)算法。在一實(shí)施方式中，每個(gè)終點(diǎn)算法所需要的設(shè)置是自動(dòng)計(jì)算出來的。在一個(gè)實(shí)例中，所述實(shí)時(shí)過濾器的設(shè)置可自動(dòng)優(yōu)化，使其能夠在具有最小的過濾器延時(shí)的每個(gè)加工測試襯底上提示終點(diǎn)。所述實(shí)時(shí)過濾器可以是級聯(lián)，并且可利用所述級聯(lián)記憶元件的初始設(shè)置使帶有無限脈沖響應(yīng)過濾器時(shí)發(fā)生的初始瞬態(tài)響應(yīng)最小化。這對于可能具有位于數(shù)據(jù)歷史記錄的初始位置附近的終點(diǎn)的終點(diǎn)算法尤為重要。對每個(gè)潛在的終點(diǎn)特征，所述算法引擎可提供實(shí)時(shí)終點(diǎn)算法。在一實(shí)施方式中，如果所述算法引擎無法構(gòu)建實(shí)時(shí)終點(diǎn)算法，那么就無法提供終點(diǎn)算法。在一個(gè)實(shí)例中，如果所述算法引擎無法構(gòu)建能夠在每個(gè)加工測試襯底上提示/識別終點(diǎn)的實(shí)時(shí)終點(diǎn)算法，那么就可不提供終點(diǎn)算法。在接下來的步驟326中，所述算法引擎可刪除那些可能超過最大允許的實(shí)時(shí)延時(shí)的終點(diǎn)算法。在一個(gè)實(shí)例中，如果識別終點(diǎn)所需的時(shí)間超過了預(yù)先定義的閾值，由于該實(shí)時(shí)延時(shí)可能造成生產(chǎn)中過度蝕刻襯底，該終點(diǎn)算法可被刪除。在接下來的步驟328中，所述算法引擎可刪除那些無法通過一系列可靠性標(biāo)準(zhǔn)的實(shí)時(shí)終點(diǎn)算法。一個(gè)可靠性標(biāo)準(zhǔn)的實(shí)例可包括在具有最小的實(shí)時(shí)延時(shí)的所有測試襯底上識別終點(diǎn)。換句話說，可能需要每個(gè)終點(diǎn)算法識別所有測試襯底上的終點(diǎn)。另一個(gè)可靠性標(biāo)準(zhǔn)的實(shí)例可包括不識別在控制襯底上的終點(diǎn)。換句話說，如果終點(diǎn)算法能夠在控制襯底上找到了終點(diǎn)，該終點(diǎn)算法就是不可靠的并且可被忽略。在接下來的步驟330中，所述算法引擎可對所述實(shí)時(shí)終點(diǎn)算法進(jìn)行分等級。在一實(shí)施方式中，所述分等級可能是基于保真比和/或?qū)崟r(shí)延時(shí)。在一個(gè)實(shí)例中，如果兩個(gè)實(shí)時(shí)終點(diǎn)算法具有相同的保真比，那么具有更小的實(shí)時(shí)延時(shí)的終點(diǎn)算法的等級更高。在另一個(gè)實(shí)例中，如果兩個(gè)終點(diǎn)算法具有相同的實(shí)時(shí)延時(shí)，那么具有更高保真比的終點(diǎn)算法的等級更高。返回去參考圖2，在接下來的步驟208中，可將實(shí)時(shí)終點(diǎn)算法引入生產(chǎn)。在一實(shí)施方式中，具有最高等級的實(shí)時(shí)終點(diǎn)算法可被自動(dòng)引入生產(chǎn)。在另一實(shí)施方式中，所述引入生產(chǎn)的實(shí)時(shí)終點(diǎn)算法可以是由操作者控制的，由此使該操作者能夠選擇最符合其需求的終點(diǎn)算法。在一個(gè)實(shí)例中，實(shí)時(shí)延時(shí)是設(shè)備生產(chǎn)商所考慮的問題。因此設(shè)備生產(chǎn)商可能更傾向于使用能夠提供更短延時(shí)而其可靠性相對較低的終點(diǎn)算法。經(jīng)驗(yàn)證據(jù)證明，通過自動(dòng)化所述工藝，產(chǎn)生最優(yōu)實(shí)時(shí)終點(diǎn)算法的任務(wù)可能在數(shù)分鐘內(nèi)達(dá)成。進(jìn)一步地說，由于所述算法引擎被設(shè)置為使人工輸入量最小化，構(gòu)建終點(diǎn)算法的過程現(xiàn)在可以通過非專業(yè)的操作者執(zhí)行。由此，如果該方法無法在一個(gè)終點(diǎn)區(qū)域內(nèi)產(chǎn)生一系列可接受的終點(diǎn)算法，那么所述操作者可以很快地重新定義終點(diǎn)區(qū)域并再次啟動(dòng)所述算法引擎并在數(shù)分鐘內(nèi)生產(chǎn)一系列新的終點(diǎn)算法。圖4顯示了本發(fā)明的一實(shí)施方式中在生產(chǎn)環(huán)境中實(shí)施實(shí)時(shí)終點(diǎn)算法的簡單流程圖。第一步402中，實(shí)施工藝流程。在接下來的步驟404中，通過成組的傳感器在襯底加工中采集數(shù)據(jù)。在接下來的步驟406中，可在工藝現(xiàn)場實(shí)施終點(diǎn)算法分析所述數(shù)據(jù)以識別所述工藝的終點(diǎn)。在一實(shí)施方式中，可使用計(jì)算引擎分析所述數(shù)據(jù)。由于所采集到的數(shù)據(jù)量很大，所述計(jì)算引擎可能是高速運(yùn)算模塊，該模塊被設(shè)置為能夠處理大量的數(shù)據(jù)。所述數(shù)據(jù)可直接從所述傳感器傳出，而無須首先通過制造主機(jī)控制器或甚至無須首先通過工藝模塊控制器。2009年9月8日Huang等提交的，申請?zhí)?2/555，674的專利申請描述了適用于執(zhí)行所述分析的分析計(jì)算器的示例。在接下來的步驟408中，所述系統(tǒng)可做出關(guān)于正在識別終點(diǎn)的決定。如果沒有識別到終點(diǎn)，那么系統(tǒng)返回步驟404。然而，如果識別了所述終點(diǎn)，那么在接下來的步驟410中，可停止所述工藝流程。從前面的描述可見，本發(fā)明的一種或多種實(shí)施方式提供了識別最優(yōu)實(shí)時(shí)終點(diǎn)算法的方法。通過自動(dòng)化進(jìn)行所述分析，所述方法基本不需要專業(yè)的操作者。通過這里描述的方法，能夠?qū)⒏煽康慕K點(diǎn)算法引入生產(chǎn)中。而且，由于產(chǎn)生終點(diǎn)算法所需的時(shí)間顯著縮短，更新或產(chǎn)生新的終點(diǎn)算法的任務(wù)不再需要耗費(fèi)大量的資源和時(shí)間。雖然本發(fā)明通過幾個(gè)優(yōu)選實(shí)施方式進(jìn)行描述，但是相應(yīng)的變化、置換或等同替換也落入本發(fā)明的范圍內(nèi)。盡管這里提供了許多實(shí)例，但這些實(shí)例是想要說明而不是限制本發(fā)明。而且盡管在本文件中通篇使用終點(diǎn)為例，但本發(fā)明也可用于變化點(diǎn)，所述變化點(diǎn)指的是在加工中可能發(fā)生的信號變化。同時(shí)本發(fā)明的題目和摘要是為了理解方便，而不應(yīng)被作為確定權(quán)利要求保護(hù)范圍的依據(jù)。進(jìn)一步地說，摘要中的描述是非常簡要的，是為了理解方便而提供的，不能被用于解釋或者限制整個(gè)發(fā)明，本發(fā)明會(huì)在權(quán)利要求書中限定。本發(fā)明中使用的術(shù)語“成組的”(“set”)采用的是其在數(shù)學(xué)上的通常理解，其涵蓋范圍包括0，1或者超過I。還需要
提醒的是，可以用許多其它方法實(shí)施本發(fā)明的方法和設(shè)備。因此，所附的權(quán)利要求書應(yīng)當(dāng)被理解為包含了所有落入本發(fā)明真實(shí)的精神和保護(hù)范圍之內(nèi)的變化、置換或等同替換。
權(quán)利要求
1.用于在等離子加工系統(tǒng)中的襯底加工過程中自動(dòng)識別限定エ藝終點(diǎn)的最優(yōu)終點(diǎn)算法的方法，其包括 在所述等離子加工系統(tǒng)內(nèi)的至少ー塊襯底的襯底加工過程中，從多個(gè)傳感器中獲取傳感器數(shù)據(jù)，其中所述傳感器數(shù)據(jù)包括來自多個(gè)傳感器通道的多個(gè)信號流； 識別終點(diǎn)區(qū)域，其中所述終點(diǎn)區(qū)域是預(yù)期在其中出現(xiàn)所述エ藝終點(diǎn)的近似時(shí)間段； 分析所述傳感器數(shù)據(jù)以生成成組的潛在的終點(diǎn)特征； 將所述成組的潛在的終點(diǎn)特征轉(zhuǎn)換為成組的最優(yōu)終點(diǎn)算法；以及 將所述成組的最優(yōu)終點(diǎn)算法中的一個(gè)最優(yōu)終點(diǎn)算法引入生產(chǎn)環(huán)境。
2.如權(quán)利要求I所述的方法，其中所述傳感器數(shù)據(jù)從超過ー塊襯底中采集得到。
3.如權(quán)利要求I所述的方法，其中對所述傳感器數(shù)據(jù)的所述分析包括對所述傳感器數(shù)據(jù)進(jìn)行線性擬合，以基于時(shí)間間隔將來自所述多個(gè)信號流中的每個(gè)信號流劃分為多個(gè)區(qū)段。
4.如權(quán)利要求3所述的方法，其中所述多個(gè)區(qū)段中的每個(gè)區(qū)段都是一致的。
5.如權(quán)利要求3所述的方法，其中為了生成所述成組的潛在的終點(diǎn)特征中的第一成組的潛在的終點(diǎn)特征而對所述傳感器數(shù)據(jù)進(jìn)行的所述分析包括 針對所述傳感器數(shù)據(jù)計(jì)算第一成組的斜率和第一成組的對應(yīng)的斜率噪音值，其中針對所述多個(gè)區(qū)段中的每個(gè)區(qū)段計(jì)算斜率和對應(yīng)的斜率噪音值； 計(jì)算所述斜率中的斜率方差，以從所述多個(gè)信號流中識別成組的高對比度信號，其中所述成組的高對比度信號具有高的斜率方差； 將具有類似斜率方差的相鄰波長結(jié)合為成組的信號波長帶； 將所述高對比度信號分等級； 將所述成組的信號波長帶分等級；以及 通過對至少部分的所述高對比度信號及所述成組的信號波長帶施加成組的經(jīng)典特征，來識別所述第一成組的潛在的終點(diǎn)特征，其中所述成組的經(jīng)典特征包括峰、谷和拐點(diǎn)中的至少ー種。
6.如權(quán)利要求5所述的方法，其中為了生成所述成組的潛在的終點(diǎn)特征中的第二成組的潛在的終點(diǎn)特征而對所述傳感器信號進(jìn)行的所述分析包括 通過將由所述第一成組的斜率的對應(yīng)斜率噪音值按比例表示的斜率與所述第一成組的斜率噪音值結(jié)合，進(jìn)行多元分析，從而生成成組的標(biāo)準(zhǔn)化的斜率和成組的標(biāo)準(zhǔn)化的對應(yīng)的斜率噪音值； 計(jì)算所述標(biāo)準(zhǔn)化的成組的斜率中的斜率方差，從而從所述多個(gè)信號流中識別標(biāo)準(zhǔn)化的信號，其中所述標(biāo)準(zhǔn)化信號具有高斜率和低方差； 將具有類似斜率方差的相鄰波長結(jié)合為成組的標(biāo)準(zhǔn)化信號波長帶； 將所述標(biāo)準(zhǔn)化信號分等級； 將所述成組的標(biāo)準(zhǔn)化信號波長帶分等級；以及 將成組的經(jīng)典特征施加到所述高對比度信號以及成組的信號波長帶與所述標(biāo)準(zhǔn)化信號以及所述成組的標(biāo)準(zhǔn)化信號波長帶的比率，以生成所述第二成組的潛在的終點(diǎn)特征。
7.如權(quán)利要求5的方法，其中所述將所述成組的潛在的終點(diǎn)特征轉(zhuǎn)換為所述成組的最優(yōu)終點(diǎn)算法的轉(zhuǎn)換步驟包括如果所述成組的潛在的終點(diǎn)特征的第一潛在的終點(diǎn)特征和第二潛在的終點(diǎn)特征具有類似的形狀和時(shí)間段，將所述第一潛在的終點(diǎn)特征和所述第二潛在的終點(diǎn)特征結(jié)合； 執(zhí)行可靠性測試，以從所述成組的潛在的終點(diǎn)特征中去除可能不可重復(fù)的終點(diǎn)特征；執(zhí)行多元相關(guān)性分析以識別所述成組的潛在的終點(diǎn)特征的成組的最優(yōu)終點(diǎn)特征；將所述成組的最優(yōu)終點(diǎn)特征轉(zhuǎn)換為成組的具有最小實(shí)時(shí)延時(shí)的實(shí)時(shí)終點(diǎn)算法，其中所述實(shí)時(shí)延時(shí)是基于過濾器延時(shí)； 通過執(zhí)行下列兩種方法中的至少ー種，生成所述成組的最優(yōu)終點(diǎn)算法 去除具有大于預(yù)定義閾值的對應(yīng)實(shí)時(shí)延時(shí)的實(shí)時(shí)終點(diǎn)算法，和 若所述實(shí)時(shí)終點(diǎn)算法不能通過可靠性測試，刪除該實(shí)時(shí)終點(diǎn)算法； 以及 將所述成組的最優(yōu)終點(diǎn)算法中的每個(gè)最優(yōu)終點(diǎn)算法分等級，其中所述分等級是基于保真比和所述實(shí)時(shí)延時(shí)中的至少ー種。
8.如權(quán)利要求6所述的方法，其中所述將所述成組的潛在的終點(diǎn)特征轉(zhuǎn)換為所述成組的最優(yōu)終點(diǎn)算法的轉(zhuǎn)換步驟包括 如果所述成組的潛在的終點(diǎn)特征的第一潛在的終點(diǎn)特征和第二潛在的終點(diǎn)特征具有類似的形狀和時(shí)間段，將所述第一潛在的終點(diǎn)特征和所述第二潛在的終點(diǎn)特征結(jié)合； 執(zhí)行可靠性測試，以從所述成組的潛在的終點(diǎn)特征中去除可能不可重復(fù)的終點(diǎn)特征；執(zhí)行多元相關(guān)性分析以識別所述成組的潛在的終點(diǎn)特征的成組的最優(yōu)終點(diǎn)特征；將所述成組的最優(yōu)終點(diǎn)特征轉(zhuǎn)換為成組的具有最小實(shí)時(shí)延時(shí)的實(shí)時(shí)終點(diǎn)算法，其中所述實(shí)時(shí)延時(shí)是基于過濾器延時(shí)； 通過執(zhí)行下列兩種方法中的至少ー種，生成所述成組的最優(yōu)終點(diǎn)算法 去除具有大于預(yù)定義閾值的對應(yīng)實(shí)時(shí)延時(shí)的實(shí)時(shí)終點(diǎn)算法，和 若所述實(shí)時(shí)終點(diǎn)算法不能通過可靠性測試，刪除該實(shí)時(shí)終點(diǎn)算法； 以及 將所述成組的最優(yōu)終點(diǎn)算法中的每個(gè)最優(yōu)終點(diǎn)算法分等級，其中所述分等級是基于保真比和所述實(shí)時(shí)延時(shí)中的至少ー種。
9.如權(quán)利要求I所述的方法，其中所述最優(yōu)終點(diǎn)算法的所述引入是基于分等級和成組的用戶定義的條件中的至少ー種。
10.在加工室內(nèi)加工襯底的過程中限定終點(diǎn)的方法，其包括 在襯底上實(shí)施工藝流程； 在襯底加工過程中從成組的傳感器中獲取加工數(shù)據(jù)； 通過應(yīng)用最優(yōu)終點(diǎn)算法來分析所述加工數(shù)據(jù)； 識別エ藝終點(diǎn)；以及 停止所述襯底加工。
11.如權(quán)利要求10所述的方法，其中所述分析由計(jì)算引擎執(zhí)行，其中所述計(jì)算引擎是被 設(shè)置為用于處理大量數(shù)據(jù)的高速處理模塊。
12.如權(quán)利要求10所述的方法，其中所述最優(yōu)終點(diǎn)算法通過下列步驟構(gòu)建 在所述等離子加工系統(tǒng)內(nèi)加工至少ー塊襯底的過程中從多個(gè)傳感器獲得傳感器數(shù)據(jù)，其中所述傳感器數(shù)據(jù)包括來自多個(gè)傳感器通道的多個(gè)信號流；識別終點(diǎn)區(qū)域，其中所述終點(diǎn)區(qū)域是預(yù)期在其中出現(xiàn)所述エ藝終點(diǎn)的近似時(shí)間段； 分析所述傳感器數(shù)據(jù)，以生成成組的潛在的終點(diǎn)特征； 將所述成組的潛在的終點(diǎn)特征轉(zhuǎn)換為成組的最優(yōu)終點(diǎn)算法；以及 將所述成組的最優(yōu)終點(diǎn)算法中的一個(gè)最優(yōu)終點(diǎn)算法引入生產(chǎn)環(huán)境。
13.如權(quán)利要求12所述的方法，其中所述傳感器數(shù)據(jù)從超過ー塊襯底采集得到。
14.如權(quán)利要求13所述的方法，其中對所述傳感器數(shù)據(jù)的所述分析包括對所述傳感器數(shù)據(jù)進(jìn)行線性擬合，從而將來自所述多個(gè)信號流的每個(gè)信號流根據(jù)時(shí)間間隔分割為多個(gè)區(qū)段。
15.如權(quán)利要求14所述的方法，其中為了生成所述成組的潛在的終點(diǎn)特征的第一成組的潛在的終點(diǎn)特征而進(jìn)行的對所述傳感器數(shù)據(jù)的所述分析包括 針對所述傳感器數(shù)據(jù)計(jì)算第一成組的斜率和第一成組的對應(yīng)的斜率噪音值，其中針對所述多個(gè)區(qū)段中的每個(gè)區(qū)段計(jì)算斜率和對應(yīng)的斜率噪音值； 計(jì)算所述斜率中的斜率方差，以從所述多個(gè)信號流中識別成組的高對比度信號，其中所述成組的高對比度信號具有高的斜率方差； 將具有類似斜率方差的相鄰波長結(jié)合成成組的信號波長帶； 將所述高對比度信號分等級； 將所述成組的信號波長帶分等級；以及 通過對至少部分的所述高對比度信號和所述成組的信號波長帶施加成組的經(jīng)典特征，來識別所述第一成組的的潛在的終點(diǎn)特征，其中所述成組的經(jīng)典特征包括峰、谷、和拐點(diǎn)中的至少ー種。
16.如權(quán)利要求15所述的方法，其中為了生成所述成組的潛在的終點(diǎn)特征的第二成組的潛在的終點(diǎn)特征而進(jìn)行的對所述傳感器數(shù)據(jù)進(jìn)行的所述分析包括 通過將由所述第一成組的的斜率的對應(yīng)斜率噪音值按比例表示的斜率與所述第一成組的斜率噪音值結(jié)合，進(jìn)行多元分析，從而生成成組的標(biāo)準(zhǔn)化的斜率和成組的標(biāo)準(zhǔn)化的對應(yīng)斜率噪音值； 計(jì)算所述成組的標(biāo)準(zhǔn)化的斜率中的斜率方差，從而從所述多個(gè)信號流中識別標(biāo)準(zhǔn)化信號，其中所述標(biāo)準(zhǔn)化信號具有高斜率和低方差； 將具有類似斜率方差的相鄰波長結(jié)合為成組的標(biāo)準(zhǔn)化信號波長帶； 將所述標(biāo)準(zhǔn)化信號分等級； 將所述成組的標(biāo)準(zhǔn)化信號波長帶分等級；以及 將成組的經(jīng)典特征施加到所述高對比度信號以及成組的信號波長帶的比率與所述標(biāo)準(zhǔn)化信號以及所述成組的標(biāo)準(zhǔn)化信號波長帶的比率，以生成所述第二成組的潛在的終點(diǎn)特征。
17.如權(quán)利要求15所述的方法，其中將所述成組的潛在的終點(diǎn)特征轉(zhuǎn)換為所述成組的最優(yōu)終點(diǎn)算法的轉(zhuǎn)換步驟包括 若所述成組的潛在的終點(diǎn)特征的第一潛在的終點(diǎn)特征與第二潛在的終點(diǎn)特征具有類似的形狀和時(shí)間段，將所述第一潛在的終點(diǎn)特征與第二潛在的終點(diǎn)特征結(jié)合； 執(zhí)行可靠性測試，以從所述成組的潛在的終點(diǎn)特征中去除可能不可重復(fù)的終點(diǎn)特征； 執(zhí)行多元相關(guān)性分析以識別所述成組的潛在的終點(diǎn)特征的成組的最優(yōu)終點(diǎn)特征；將所述成組的最優(yōu)終點(diǎn)特征轉(zhuǎn)換為具有最小實(shí)時(shí)延時(shí)的成組的實(shí)時(shí)終點(diǎn)算法，其中所述實(shí)時(shí)延時(shí)是基于過濾器延時(shí)； 通過執(zhí)行下列兩種方法中的至少ー種，生成所述成組的最優(yōu)終點(diǎn)算法 去除具有大于預(yù)定義閾值的對應(yīng)實(shí)時(shí)延時(shí)的實(shí)時(shí)終點(diǎn)算法，和 若所述實(shí)時(shí)終點(diǎn)算法不能通過可靠性測試，刪除該實(shí)時(shí)終點(diǎn)算法； 以及 將所述成組的最優(yōu)終點(diǎn)算法中的每個(gè)最優(yōu)終點(diǎn)算法分等級，其中所述分等級是基于保真比和所述實(shí)時(shí)延時(shí)中的至少ー種。
18.如權(quán)利要求16所述的方法，其中將所述成組的潛在的終點(diǎn)特征轉(zhuǎn)換為所述成組的最優(yōu)終點(diǎn)算法的轉(zhuǎn)換步驟包括 若所述成組的潛在的終點(diǎn)特征的第一潛在的終點(diǎn)特征與第二潛在的終點(diǎn)特征具有類似的形狀和時(shí)間段，將所述第一潛在的終點(diǎn)特征與所述第二潛在的終點(diǎn)特征結(jié)合； 執(zhí)行可靠性測試，以從所述成組的潛在的終點(diǎn)特征中去除可能不可重復(fù)的終點(diǎn)特征；執(zhí)行多元相關(guān)性分析以識別所述成組的潛在的終點(diǎn)特征的成組的最優(yōu)終點(diǎn)特征；將所述成組的最優(yōu)終點(diǎn)特征轉(zhuǎn)換為具有最小實(shí)時(shí)延時(shí)的成組的實(shí)時(shí)終點(diǎn)算法，其中所述實(shí)時(shí)延時(shí)是基于過濾器延時(shí)； 通過執(zhí)行下列兩種方法中的至少ー種，生成所述成組的最優(yōu)終點(diǎn)算法 去除具有大于預(yù)定義閾值的對應(yīng)實(shí)時(shí)延時(shí)的實(shí)時(shí)終點(diǎn)算法，和 若所述實(shí)時(shí)終點(diǎn)算法不能通過可靠性測試，刪除該實(shí)時(shí)終點(diǎn)算法； 以及 將所述成組的最優(yōu)終點(diǎn)算法中的每個(gè)最優(yōu)終點(diǎn)算法分等級，其中所述分等級是基于保真比和所述實(shí)時(shí)延時(shí)中的至少ー種。
19.如權(quán)利要求12所述的方法，其中所述最優(yōu)終點(diǎn)算法的所述引入是基于分等級和成組的用戶定義條件中的至少ー種。
20.如權(quán)利要求14所述的方法，其中所述多個(gè)區(qū)段中的每個(gè)區(qū)段是一致的。
全文摘要
本發(fā)明提供了用于在等離子加工系統(tǒng)中的襯底加工過程中自動(dòng)識別限定工藝終點(diǎn)的最優(yōu)終點(diǎn)算法的方法。該方法包括在所述等離子加工系統(tǒng)內(nèi)的至少一塊襯底的襯底加工過程中，從多個(gè)傳感器中獲取傳感器數(shù)據(jù)，其中所述傳感器數(shù)據(jù)包括來自多個(gè)傳感其通道的多個(gè)信號流。本發(fā)明還包括識別終點(diǎn)區(qū)域，其中所述終點(diǎn)區(qū)域是預(yù)期在其中出現(xiàn)所述工藝終點(diǎn)的近似時(shí)間段。該方法進(jìn)一步包括分析所述傳感器數(shù)據(jù)從而生成成組的潛在的終點(diǎn)特征。該方法還包括將所述成組的潛在的終點(diǎn)特征轉(zhuǎn)換為成組的最優(yōu)終點(diǎn)算法。該方法還進(jìn)一步包括將所述成組的最優(yōu)終點(diǎn)算法中的一個(gè)最優(yōu)終點(diǎn)算法引入生產(chǎn)環(huán)境。
文檔編號H01L21/3065GK102804353SQ201080027296
公開日2012年11月28日 申請日期2010年6月29日 優(yōu)先權(quán)日2009年6月30日
發(fā)明者江新·王, 安德魯·詹姆斯·斐瑞, 維甲壓庫馬爾·C·凡尼高泊 申請人:朗姆研究公司